SyncTrain:让 iPhone 终于能用上 Syncthing 的开源客户端

用了这么多年 [[Syncthing]],一直有一个痛点——iOS 上始终没有一个真正好用的客户端。之前用过 [[Möbius Sync]],说实话体验相当一般,本质上就是把 Syncthing 的 Web UI 包了一层壳,收费不说,功能也受限。直到最近发现了 SyncTrain 这个项目,试用之后只想说:iOS 上的 Syncthing 体验终于像样了。 SyncTrain 是什么 SyncTrain(在 GitHub 上叫 Sushitrain)是一款原生的 iOS 和 macOS [[Syncthing]] 客户端,由荷兰开发者 Tomm Read more ...


Obsidian CLI 来了:从终端操控你的知识库

我用 [[Obsidian]] 管理笔记库已经好几年了,日记、技术笔记、读书摘录、项目文档全部塞在里面。但有一个事情一直让我觉得别扭——每次想在终端里快速记个想法,或者用脚本批量处理笔记的时候,都得绕一大圈。直接改 Markdown 文件虽然可以,但双链不会更新,属性不会同步到索引,改完还得回到 Obsidian 里手动刷新才能看到变化。这种”从后门溜进去”的感觉总是让人不太放心。 2026 年 2 月 27 日,[[Obsidian]] 1.12.4 正式发布,带来了官方的命令行界面(CLI)。这一次,前门终于打开了。 Obsidian CLI 是 Read more ...


用 Claude Code 的 Remote Control 和 Channels 从手机和聊天软件操控你的终端

我平时写代码基本离不开 [[Claude Code]],但有一个场景一直让我觉得不方便:电脑上跑着一个长任务,人已经离开工位了,想用手机看看进度或者追加一句指令,做不到。最近 Anthropic 连续发布了两个功能,把这个问题解决得相当干净——Remote Control 让你从手机浏览器或 Claude App 直接接管本地会话,Channels 则更进一步,让你通过 [[Telegram]] 或 [[Discord]] 给 Claude Code 发消息,它收到后在本地执行并把结果回复到聊天里。 Channels 这个功能是 Claude Co Read more ...


我 Vibe Coding 了一个日本看房神器:BukkenAI

最近在东京认真找房子,每次拿到一个物件地址,我都要重复做同样一套操作:打开 [[Google Maps]] 搜地址,确认大概位置;找最近的车站,看步行距离;切到 Yahoo 地图查灾害风险图;再搜一圈附近有没有超市、医院、药局。做完一遍下来,十几分钟就过去了,物件多的时候,这些重复的信息收集工作比看房本身还累。某天做完第 N 遍之后,我决定干脆自己做一个工具,输入地址,全部自动搞定。这就是 BukkenAI 的起点。 看房人的重复劳动 日本的看房信息通常只有地址和最近车站,缺乏对”周边生活环境”的系统性描述,不同平台的信息分散,每次都要自己东拼西凑。 Read more ...


Entire:让 AI 编程会话成为 Git 历史的一部分

最近在使用 [[Claude Code]] 做项目的时候,遇到了一个反复让我头疼的问题:每次开新会话,AI 对上一次为什么这样写代码、选择这个架构、为什么放弃了某个方案,完全没有记忆。代码变更留在 Git 历史里,但那些和 AI 的对话、推理过程、权衡讨论,全部随着会话关闭而消失了。 直到我发现了 [[Entire]] 这个工具,才意识到这个问题是可以从根本上被解决的。 代码有版本,推理没有版本 我们已经习惯了用 Git 管理代码的每一次变化,git blame 可以告诉你某一行代码是谁在什么时间写的,git log 可以追溯整个演进历史。但这 Read more ...


Atuin:用数据库替换 Shell 历史,跨设备同步不再是难题

在用了十几年命令行之后,我越来越觉得 Shell 历史是个被严重低估的功能。每次换机器、重装系统,那些积累了多年的命令历史就这么消失了。更让人抓狂的是,明明记得自己用过某个复杂的 ffmpeg 转码命令,或者某个 kubectl 调试命令,但就是死活想不起来完整参数。 直到发现了 [[Atuin]],这个问题才算真正解决。 Atuin 是什么 [[Atuin]] 是一个开源的 Shell 历史增强工具,GitHub 上已经获得了接近三万颗星。它最核心的思路是:把传统的纯文本 ~/.bash_history 替换成一个 SQLite 数据库,在存 Read more ...

2026-03-18 shell , terminal , productivity , atuin , cli

Ghostty 终端配置技巧:从入门到舒适

从 Warp 切换到了 [[Ghostty]],理由非常简单,我使用 atuin 来同步 Shell 历史,但是 Warp 不支持,外加上 Ghostty 自带 Metal GPU 加速渲染、原生 macOS AppKit 构建、启动飞快,可以让 AI 以纯文本方式配置,就果断切换了。 让 Claude Code 给了一些初始化设置之后一直用到现在,积累了一些配置心得,整理成文。 Ghostty 是什么 Ghostty 是 HashiCorp 联合创始人 Mitchell Hashimoto 开发的开源终端模拟器。用 Zig 语言编写,macOS Read more ...

2026-03-17 ghostty , terminal , macos , cli , productivity

GitNexus:把你的代码库变成 AI 能读懂的知识图谱

用 AI 写代码这件事,大家都已经习惯了。但一个尴尬的现实是:AI 在修改代码的时候,经常不知道自己改的那个函数被多少地方调用、改完之后会不会连锁反应把别的功能搞崩。这不是 AI 模型不够聪明,而是它看不到代码库的全貌——依赖关系、调用链路、执行流程,这些结构性的信息在普通的文件搜索里是丢失的。如果我们仔细观察过 AI 检索调用的中间过程就会发现大部分情况下是在进行关键字过滤,这样会浪费大量的 Token。 [[GitNexus]] 就是为了解决这个问题而生的。它把你的代码仓库索引成一张知识图谱,然后通过 [[MCP]](Model Context P Read more ...


Clawalytics:给你的 OpenClaw 花费装上一个仪表盘

自从安装使用 OpenClaw 之后,我一直没有找到一个好办法直接在 OpenClaw 里追踪 Token 的消耗情况。虽然我日常主要用的是月订阅套餐,但偶尔为了测试一些新模型或者跑特定任务,还是会走 API 调用。这部分花费是按量计费的,用多少扣多少,如果不注意很容易超额。之前也试过在 Anthropic 控制台手动查 Usage,但那个粒度太粗了,根本看不出来钱到底花在了哪些项目、哪些模型上。直到最近发现了 [[Clawalytics]] 这个项目,通过它的可视化仪表盘查看 Token 消耗的详细数据,才终于有了一种”心里有底”的感觉。 Cla Read more ...


我购买了 Sony WH-1000XM6

我的第一代 [[Sony WH-1000XM]] 终于在陪伴了我将近七年之后光荣退役了——准确地说,是左耳彻底不出声了。耳罩虽然还算完整,充电也正常,就是左边悄无声息地沉默了。单边失声的降噪耳机拿来当装饰品实在是太可惜,就这样,我的 XM1 结束了它漫长的使命。 我与 Sony 降噪耳机的渊源 说来惭愧,我是一个相当念旧的人,在耳机这件事上尤其如此。 第一次接触 [[Sony WH-1000XM]] 是很多年前,那时候降噪耳机还是一个比较新鲜的概念。当时也对比过 [[Bose QC35]],两者各有优劣,Bose 的降噪一度被认为是行业标杆,但索尼 Read more ...


最近文章

  • herdr 一个窗口调度多个 Coding Agent 什么是 Herdr
  • Claude Code 第三方 API 代理配置 Headroom 最近在给自己的 AI 编程工作流加入 [[Headroom]] 上下文压缩工具时,遇到了一个需要特别注意的配置问题。相信有不少人和我一样,为了降低成本或者改善访问体验,已经在 [[Claude Code]] 或 [[Codex]] 里配置了第三方 API 代理,比如一些第三方聚合平台或者自建的转发服务。这时候想再套上一层 Headroom 做 Token 压缩,就需要特别注意配置细节,不然两层代理会打架。
  • Headroom:让 AI Agent 少花冤枉钱的上下文压缩工具 最近一段时间我在深度使用 [[Claude Code]] 做开发工作,用得越多,账单就越触目惊心。一次稍微复杂一点的任务,比如让它读取几个文件、搜索一下代码、跑一下测试,轻轻松松就能烧掉超过 100K 的 Token。更让人无奈的是,这 100K 里面有相当大一部分是重复冗余的内容——工具调用的输出、日志、搜索结果,它们被原封不动地塞进上下文,再一次次地发给模型,而模型其实只需要其中很小一部分关键信息。
  • 用 Harbor 搭建私有 Docker Registry:从安装到日常使用的完整实践 我维护过几个跑在自己服务器上的小项目,构建出来的 [[Docker]] 镜像最早都是直接推到 [[Docker Hub]] 上的。用了一段时间之后开始觉得别扭:一些只在内网跑的服务镜像,没必要也不应该传到公开的仓库;Docker Hub 对匿名拉取做了限流之后,CI 流水线偶尔会因为触发了速率限制而失败;再加上想给不同的项目、不同的同事分配不同的访问权限时,公共仓库这套体系根本满足不了。折腾到后来我意识到,是时候在自己的机器上搭一个真正能用的私有镜像仓库了。
  • 用 New API 打造个人 AI 网关:统一管理所有大语言模型接口 这段时间我同时用着好几个大语言模型服务:日常写作和代码靠 [[Claude]],轻量任务交给 [[Codex]],搜索增强用 [[Antigravity]],还有几个本地跑着 [[Ollama]] 的小模型供离线场景使用。每个平台各自的 API Key 散落在项目环境变量里,月底要去好几个后台分别对账,想横向对比两个模型的输出还得打开不同的网页或客户端来回切换,很费事。